ارزيابي و مقايسه روش‌هاي درون‌ يابي و رگرسيون خطي جهت تعيين توزيع مكاني بارش در استان چهارمحال و بختياري

Evaluation and Comparison of Interpolation and Linear Regression Methods to Determine the Spatial Distribution of Precipitation in Chaharmahal and Bakhtiari Province, Iran

در پژوهش حاضر، روش ­هاي كريجينگ ساده و معمولي، معكوس فاصله و رگرسيون خطي بر پايه مدل ارتفاعي رقومي زمين، جهت برآورد بارش سالانه با استفاده از آمار بيست ساله­ داده­هاي بارش (2018– 1998) در 33 ايستگاه باران­ سنجي استان چهارمحال و بختياري مورد ارزيابي قرار گرفت. بدين منظور، ابتدا در ArcMAP به ازاي هر مدل در روش كريجينگ، واريوگرام آن محاسبه و با استفاده از فن ارزيابي دوجانبه، خطاي نقشه­ ها برآورد شد. بهترين روش از ميان روش ­هاي زمين‌ آماري، روش كريجينگ معمولي با مدل گوسي بود؛ شاخص­هاي آماري MAE، MBE و RMSE براي اين روش به­ترتيب 44/74، 48/0 و 72/93 به­دست آمد. سپس داده­هاي بارش و ارتفاع ايستگاه­هاي موردنظر با استفاده از مدل رگرسيون خطي در محيط Curve Expert فراخواني گرديد. درنهايت به‌منظور تعيين بهترين مدل براي توزيع مكاني بارش و هم­چنين مقايسه روش­هاي آماري و زمين‌آماري، مدل­هاي رگرسيون خطي و كريجينگ معمولي با فن ارزيابي متقابل با يكديگر مقايسه شدند و شاخص­هاي آماري MAE، MBE و RMSE براي روش رگرسيون خطي به ­ترتيب 115، 3 و 155 به ­دست آمد. درنتيجه با توجه به‌دقت، صحت و ميزان خطاي نقشه­ هاي تهيه‌ شده مناسب ­ترين روش براي درون ­يابي بارش سالانه روش كريجينگ معمولي با مدل گوسي مي­ باشد.

In the present study, simple and ordinary kriging methods, inverse distance and linear regression based on digital elevation model of the earth were evaluated for estimating annual rainfall using twenty-year statistics of precipitation data (1998-2018) in 33 rainfall stations in Chaharmahal and Bakhtiari province. For this purpose, first in ArcMAP, for each model in Kriging method, its variogram was calculated and using two-way evaluation technique, the error of the maps was estimated. The best method among geostatistical methods was conventional kriging method with Gaussian model. MAE, MBE and RMSE statistical indices for this method were 74.44, 0.48 and 93.72, respectively. Then, rainfall and altitude data of the stations were used using a linear regression model in Curve Expert environment. Finally, in order to determine the best model for spatial distribution of precipitation as well as comparing statistical and geostatistical methods, linear regression and ordinary kriging models were compared with each other and the MAE, MBE and RMSE statistical indices for regression method obtained were 115, 3 and 155, respectively. As a result, due to the accuracy, precision and error rate of the prepared maps, the most suitable method for interpolation of annual precipitation is the conventional kriging method with Gaussian model.